一起学python-2发现群组-文章抓取过滤格式

接到上页 https://blog.csdn.net/naner3344/article/details/81146518 我们已经把文章清单列表抓取了，接下来我们就是逐一抓取文章

抓取文章内容比上页还要简单些，但是一抓下来发现里面混了很多html标签

这个里面大部分都是html标签， 比较麻烦，尝试了很多种方法去除都不是很好，最后看见别人用正则表达式，试了一下效果很好

 pattern = re.compile(r'<[^>]+>', re.S)
    result = pattern.sub('', str(html))

效果图

基本还行吧，但是还有些特殊的东西如 &nbsp 这种东西在网页里面是解析成空格，但是爬虫不知道，这个需要后面改，先那样吧。 

然后开爬，代码走起

 

#python 3
# encoding: utf-8
import sys
import io
import requests
from bs4 import Beautifu